Model accuracy alignment 2

[zhengshengning]

问题9: permute 反向 index_select 的 fp32 反向累积实现diff
描述：forward 与原生 tokens.index_select(0, sorted_indices) 完全一致。backward 时，多个 permuted 行会回写到同一个原始 token 行（一个 token 被 topk 个 expert 选中），原生 index_select 的 backward 走 bf16 index_add/scatter_add，atomic 累加顺序不可复现，与 PaddleFleet 末位 diff。这里把 grad 提升到 fp32 后 scatter_add 累加，再 cast 回原 dtype，单次 round，复刻 PF 侧确定性 fp32 累加路径。